人工智能与社会电子教案 第一章 人工智能简介 第2节教案

教案课程名称：人工智能与社会授课专业、班级：202X级XX专业开课院部：授课教师：XX授课时间：学年第2学期单元教案第2章：人工智能简介第2节：人工智能发展史授课时数：2教学目标：一、知识目标1.能够掌握人工智能的主要特征。2.能够了解人工智能的发展历史及重要里程碑。二、能力目标1.培养学生历史分析的能力，能够从历史发展中提炼出人工智能发展的关键要素。2.提升学生预测未来技术发展趋势的能力。三、情感目标1.激发学生对人工智能技术发展历程的尊重和敬仰。2.培养学生的创新精神和历史使命感。教学重点和难点：一、教学重点1.人工智能的主要特征及其发展历史。二、教学难点1.理解人工智能发展过程中的关键技术和理论突破。课程思政教学内容：1.结合人工智能发展史上的重要人物和事件，引导学生学习科学家们的创新精神和坚持不懈的品质，培养学生的科研精神和爱国情怀。教学方法：采用时间轴教学法，直观展示人工智能的发展历程。小组合作学习，学生分组搜集并分享人工智能发展史上的重要事件。教师引导，学生总结人工智能发展的关键要素和未来趋势。教学内容：1.2.1人工智能发展的三个阶段人工智能是在1956年作为一门新兴学科的名称正式提出的，自此之后，它已经取得了惊人的成就，获得了迅速的发展，它的发展历史，可归结为孕育、形成、发展这三个阶段。1.孕育阶段这个阶段主要是指1956年以前。自古以来，人们就一直试图用各种机器来代替人的部分脑力劳动，以提高人们征服自然的能力。2.形成阶段这个阶段主要是指1956—1969年。1956年夏季，由当时达特茅斯大学的年轻数学助教、现任斯坦福大学教授麦卡锡（J.MeCarthy）联合哈佛大学年轻数学和神经学家、麻省理工学院教授明斯基（M.L.Minsky），IBM公司信息研究中心负责人洛切斯特（N.Rochester），贝尔实验室信息部数学研究员香农（C.E.Shannon）共同发起，邀请普林斯顿大学的莫尔（T.Moore）和IBM公司的塞缪尔(A.L.Samuel）、麻省理工学院的塞尔夫里奇（O.Selfridge）和索罗莫夫（R.Solomonff）以及兰德（RAND）公司和卡内基梅隆大学的纽厄尔（A.Newell）、西蒙（H.A.Simon）等在美国达特茅斯大学召开了一次为时两个月的学术研讨会，讨论关于机器智能的问题。会上经麦卡锡提议正式采用了“人工智能”这一术语。3.发展阶段这个阶段主要是指1970年以后。进入20世纪70年代，许多国家都开展了人工智能的研究，涌现了大量的研究成果。例如，1972年法国马赛大学的科麦瑞尔（A.Comerauer）提出并实现了逻辑程序设计语言PROLOG；斯坦福大学的肖特利夫（E.H.Shorliffe）等人从1972年开始研制用于诊断和治疗感染性疾病的专家系统MYCIN。1.2.2人工智能未来发展趋势趋势一：AI于各行业垂直领域应用具有巨大的潜力人工智能市场在零售、交通运输和自动化、制造业及农业等各行业垂直领域具有巨大的潜力。而驱动市场的主要因素，是人工智能技术在各种终端用户垂直领域的应用数量不断增加，尤其是改善对终端消费者服务。当然人工智能市场要起来也受到IT基础设施完善、智能手机及智能穿戴式设备的普及。其中，以自然语言处理（NLP）应用市场占AI市场很大部分。随着自然语言处理的技术不断精进而驱动消费者服务的成长，还有：汽车信息通讯娱乐系统、AI机器人及支持AI的智能手机等领域。趋势二：AI导入医疗保健行业维持高速成长由于医疗保健行业大量使用大数据及人工智能，进而精准改善疾病诊断、医疗人员与患者之间人力的不平衡、降低医疗成本、促进跨行业合作关系。此外AI还广泛应用于临床试验、大型医疗计划、医疗咨询与宣传推广和销售开发。趋势三：AI取代屏幕成为新UI/UX接口过去从PC到手机时代以来，用户接口都是透过屏幕或键盘来互动。随着智能喇叭（SmartSpeaker）、虚拟/增强现实（VR/AR）与自动驾驶车系统陆续进入人类生活环境，加速在不需要屏幕的情况下，人们也能够很轻松自在与运算系统沟通。这表示着人工智能透过自然语言处理与机器学习让技术变得更为直观，也变得较易操控，未来将可以取代屏幕在用户接口与用户体验的地位。人工智能除了在企业后端扮演重要角色外，在技术接口也可承担更复杂角色。例如：使用视觉图形的自动驾驶车，透过人工神经网络以实现实时翻译，也就是说，人工智能让接口变得更为简单且更有智能，也因此设定了未来互动的高标准模式。趋势四：未来手机芯片一定内建AI运算核心现阶段主流的ARM架构处理器速度不够快，若要进行大量的图像运算仍嫌不足，所以未来的手机芯片一定会内建AI运算核心。趋势五：AI芯片关键在于成功整合软硬件AI芯片的核心是半导体及算法。AI硬件主要是要求更快指令周期与低功耗，包括GPU、DSP、ASIC、FPGA和神经元芯片，且须与深度学习算法相结合，而成功相结合的关键在于先进的封装技术。总体来说GPU比FPGA快，而在功率效能方面FPGA比GPU好，所以AI硬件选择就看产品供货商的需求考虑而定。趋势六：AI自主学习是终极目标AI“大脑”变聪明是分阶段进行，从机器学习进化到深度学习，再进化至自主学习。目前，仍处于机器学习及深度学习的阶段，若要达到自主学习需要解决四大关键问题。首先，是为自主机器打造一个AI平台；还要提供一个能够让自主机器进行自主学习的虚拟环境，必须符合物理法则，碰撞，压力，效果都要与现实世界一样；然后再将AI的“大脑”放到自主机器的框架中；最后建立虚拟世界入口（VR）。趋势七：最完美的架构是把CPU和GPU（或其他处理器）结合起来未来，还会推出许多专门的领域所需的超强性能的处理器，但是CPU是通用于各种设备，什么场景都可以适用。所以，最完美的架构是把CPU和GPU（或其他处理器）结合起来。例如，NVIDIA推出CUDA计算架构，将专用功能ASIC与通用编程模型相结合，使开发人员实现多种算法。趋势八：AR成为AI的眼睛，两者是互补、不可或缺未来的AI需要AR，未来的AR也需要AI，可以将AR比喻成AI的眼睛。为了机器人学习而创造的在虚拟世界，本身就是虚拟现实。还有，如果要让人进入到虚拟环境去对机器人进行训练，还需要更多其他的技术。课后拓展练习：分组搜集并分享人